註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 KimiK3模型,強悍的能力讓美媒直呼“中國剛剛抹去了美國人工智能的領先優勢”。但很快,美國指控月之暗面靠蒸餾竊取美企AI技術,考慮將其列入貿易黑名單並實施制裁。美國這種打不過就潑髒水甚至拉黑的心態,實在荒誕可笑。一邊害怕中國AI變強處處圍堵,一邊遭遇技術危機只能求助中國AI,自相矛盾的現狀已給出答案:圍牆擋不住創新,制裁攔不住趨勢。
KimiK3模型,強悍的能力讓美媒直呼“中國剛剛抹去了美國人工智能的領先優勢”。但很快,美國指控月之暗面靠蒸餾竊取美企AI技術,考慮將其列入貿易黑名單並實施制裁。美國這種打不過就潑髒水甚至拉黑的心態,實在荒誕可笑。一邊害怕中國AI變強處處圍堵,一邊遭遇技術危機只能求助中國AI,自相矛盾的現狀已給出答案:圍牆擋不住創新,制裁攔不住趨勢。 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 KimiK3模型,強悍的能力讓美媒直呼“中國剛剛抹去了美國人工智能的領先優勢”。但很快,美國指控月之暗面靠蒸餾竊取美企AI技術,考慮將其列入貿易黑名單並實施制裁。美國這種打不過就潑髒水甚至拉黑的心態,實在荒誕可笑。一邊害怕中國AI變強處處圍堵,一邊遭遇技術危機只能求助中國AI,自相矛盾的現狀已給出答案:圍牆擋不住創新,制裁攔不住趨勢。 的搜尋結果
Kimi K3 这两周好像把整个 AI 圈都搅动了一下,中英文媒体也都写了一轮。 简单回顾一下:7月16日开放了API,7月27日就放出了完整权重。2.8T参数、1M上下文、原生多模态,目前好像是能公开下载的最大规模开源模型了。 不过参数大也不代表实际能力就一定强,还是要看第三方测试比较靠谱。在 vals .ai 的 SWE-bench Verified 榜单上,K3拿到了 93.40%,总排名第四。前面是 Claude Opus 5、GPT-5.6 Sol 和 Claude Fable 5。在开源模型里是第一名。 预测市场里现在的各种市场已经越来越多了,体育、电竞、加密、金融等,各种规则和结算口径混在一起。光靠人工把盘口挨个看完,就要花掉大半天。 所以最近大家都开始研究怎么让 AI 帮忙,批量抓取规则,监控 LP 报价,写一些自动化脚本。 看了一些测评,K3 在前端页面和视觉还原方面很强。还有一次性读取大量代码和接口文档,也是它比较适合切入的场景。 @predictdotfun 上正好有一个盘口叫:Best Chinese AI Company end of August? 预测截至 8 月底,哪家中国 AI 公司会排在最前面?结算依据是 arena .ai 的 Text Arena 榜单,以 8 月 31 日当天的排名为准。目前中国公司里,Moonshot 排在第二,前面是阿里的 Qwen,两家的分差非常小。 #KimiK3# #开源模型#
顯示更多
0
25
29
0
轉發到社區
ZERO Market Flash #003# 第二次“中国AI冲击波”,市场又看错了吗? ——为什么更便宜的AI,可能意味着更大的基础设施需求 去年(2025年)1月,DeepSeek发布后,市场迅速形成一个判断:如果更少的GPU就能训练出优秀模型,那么未来AI基础设施需求将下降。当天,NVIDIA股价大跌近17%,整个AI产业链承受巨大压力。 一年多之后,类似的故事再次出现。 Kimi K3再次证明,中国公司能够以更低成本推出具有竞争力的大模型。市场随之提出了一个熟悉的问题:模型越来越便宜,是否意味着未来需要更少的GPU? 然而,Kimi随后宣布暂停新的订阅服务,原因不是模型能力不足,而是用户需求迅速增长,GPU容量已接近部署上限。 真正率先达到瓶颈的,并不是模型能力,而是模型开始被大规模使用后的算力供给。 过去几年,AI竞争几乎一直围绕训练(Training)展开。谁拥有更多GPU,谁训练出更大的模型,谁就拥有更强的竞争优势。因此,当训练成本不断下降时,市场自然推导出一个结论:未来需要的GPU会越来越少。 但这个推导隐含着一个前提——AI的价值主要来自训练。真正需要回答的问题是:如果AI变得更便宜、更好用,会不会有更多企业和个人开始使用它? 一个模型可能只训练一次,却会每天完成数百万、数千万,甚至数十亿次推理(Inference)。真正长期消耗算力的,并不是一次训练,而是持续不断发生的推理请求。 技术进步降低的是单位成本,真正决定产业规模的,却往往是需求增长的速度。如果应用普及快于单位成本下降,整体基础设施需求不仅不会减少,反而可能继续扩大。 这也是为什么,Kimi公布GPU容量接近上限,比模型本身更值得关注。市场讨论的是训练成本,而现实首先出现的,却是部署能力开始承受压力。 这也让SK集团会长崔泰源提出的“Memory正从Price-driven走向Volume-driven”有了新的解释:未来推动行业增长的,也许不只是价格,而是不断扩大的部署规模。 因此,这次所谓的“第二次中国AI冲击波”,留下的或许并不是一个关于模型竞争的故事,而是一个关于需求扩张的故事。真正值得关注的,不是谁能够以更低成本训练模型,而是谁能够长期支撑越来越多用户、越来越多Agent,以及越来越多的推理请求。 一年之前,市场因为DeepSeek重新评估了训练成本。一年之后,Kimi提醒市场,也许真正需要重新评估的,是部署需求。 训练创造模型。部署创造产业。 —— 本文仅代表个人研究观点,不构成任何投资建议。请独立研究,自行决策。 ZERO 优秀,不足以托付。
唯有最好,方可重仓。 Scientist · Doctor · A9 Investor Search Tags #AI# #ArtificialIntelligence# #KimiK3# #MoonshotAI# #DeepSeek# #Inference# #Deployment# #Training# #AIAgents# #GPU# #NVIDIA# #Memory# #HBM# #DRAM# #Semiconductors# #AIInfrastructure# #Datacenter# #SKHynix# #SNDK# #Micron# #AIInvesting# #TechInvesting# #ZERO#
顯示更多
Kimi K3引发的这轮抛售,短期利空、长期利好——跟DeepSeek那次是同一个剧本 Kimi K3开源 这两天美股风声鹤唳,根本催化剂是中国月之暗面公司宣布,其Kimi K3大模型(2.8万亿参数)将于7月27日开源。这是继DeepSeek之后,中国AI第二次冲击美股牛市的底层逻辑。 美股此前上涨的主线很清楚,科技巨头通过大举发债和资本支出(今年预计上万亿美元),疯狂购买高价芯片去卷"参数和算力",谁堆的算力多、谁的模型就更强。Kimi K3的颠覆性在于,它证明了不需要像西方那样投入极端恐怖的资金去堆算力,通过架构创新、合成数据和强化学习这类后训练技术,用很少的钱也能做出3万亿参数级别的顶尖模型。这直接打掉了华尔街对AI硬件基础设施开支需要无限制疯狂增长这个预期。 Kimi K3这个消息之所以吓坏华尔街,是因为它也极大加速了前沿AI模型的商品化,对OpenAI、Anthropic这类闭源头部实验室的利润率构成了严重压榨。既然能用极低成本自托管接近顶尖性能的开源模型,软件开发商会迅速转向最便宜的方案,导致这些大厂的商业化变现被迫减速。 为什么说这只是短期利空、长期反而利好? 短期利空是因为投资者担心AI模型效率提升会降低对GPU、HBM和数据中心的需求,资本开支预期被下修,资金先撤离硬件板块避险。但中长期看,更高效、更低成本的模型历史上从来没有真正阻止过AI应用的普及,反而会因为使用成本下降而带来更多推理需求、把整个AI市场的蛋糕做得更大。 这就是典型的杰文斯悖论:效率提升不会减少总消耗,反而会因为使用门槛降低而刺激总需求暴涨。DeepSeek当时也吓了市场一跳,但最终并没有改变科技巨头持续扩张AI基础设施的趋势,反而让AI的使用量和整体算力需求进一步走高。这次Kimi K3大概率也是同一个剧本。 硬币的另一面,模型价格被打下来,对下游软件和应用端反而是长期重大利好,因为它们是模型不可知论者,谁的Token便宜好用就用谁的,成本降低只会加速它们的商业化落地。 这一周银行财报给的几个经济健康的信号 银行财报陆续出炉,说下三个信号。 第一个信号跟消费有关,喜忧参半。四大银行的信用卡消费额度同比涨了超过10%,表面看消费很旺,但拆开看会发现这里面很大一块是靠循环贷款撑起来的。说白了就是很多人在透支消费。这意味着不少美国家庭的消费增长,靠的是信用卡欠着钱在维持生活水平,某种程度上反映出普通人的生活压力其实在加大,这是消费数据里一个不太健康的结构性隐患,值得留意。 第二个信号在企业端,相当积极。企业贷款需求稳步上升,投行业务(IPO、并购这类咨询收入)同比暴涨30%到50%,企业愿意借钱扩张,说明它们对未来经营是有信心的,愿意扩库存、招人、加大投资。这次银行整体业绩能录得双位数增长,很大程度上就是靠这块投行业务复苏拉动的。 第三个信号是坏账端,风险目前还算可控。银行的坏账冲销金额和信贷损失准备金都在同比下降,这说明银行自己并不认为接下来会出现大规模的信用违约或者失业潮,所以没有额外多计提风险准备金。这本身就是银行系统对当前宏观环境投的一张信任票。目前也看不到贷款收紧的迹象,整个银行体系依然健康、依然在赚钱,没有出现系统性风险的苗头。 经济周期判断 历史数据告诉我们一个挺有意思的规律,每当IPO和并购活动在牛市中后段扎堆爆发,往往意味着企业在借着高股价融一把钱。 在我看来,现在离真正的顶点还有距离。真正值得警惕的信号,应该是OpenAI和Anthropic完成上市之后。那才是这一轮AI叙事里最后两个还没兑现的超级IPO,一旦它们也上市了、市场把这个预期彻底消化完,才更接近牛市周期真正见顶的时间窗口。 我自己的判断是,历史大顶更可能出现在2027年底到2028年初这个区间,不是现在。所以只要确定不是在走向熊市,眼下这轮波动就只是牛市里一次正常的中继回调,短期三季度会有震荡,但四季度标普年底看8000到8200点这个目标,我没有改变。 接下来7月底,科技巨头的资本开支才是真正的考验 我的判断是资本开支一定不会减,而且五大巨头没有一家有理由主动踩刹车。 谷歌最不可能减,它的搜索业务未来会被AI取代,所以谷歌只能加大投入去革自己的命,用AI Overview、AI Mode、Gemini深度整合进搜索、Workspace、Cloud这些核心产品,每多一个AI用户,推理算力需求就多一份,只能持续扩建TPU和数据中心。 微软的Azure AI云需求一直供不应求,OpenAI、企业Copilot、Azure AI Foundry都需要大量GPU集群,微软自己也多次说算力受限,没有理由主动削减投资。 亚马逊的AWS AI需求同样远大于现有算力,Bedrock、SageMaker、Trainium这些业务持续增长,如果减少资本开支,反而是把客户拱手让给Azure和Google Cloud。苹果的Apple Intelligence还处在大规模部署的初期,未来几年要持续训练和推理更强的端云混合AI,需要建设更多自研AI基础设施,虽然苹果在这轮军备竞赛里显得最克制(靠庞大的硬件终端和苹果税这种稳固收入结构撑底气),但它未来要花的钱也只会逐渐增加。 Meta这边扎克伯格已经明确表态要投入数千亿美元建设AI超级集群,目标是打造领先的超级智能基础设施,在竞争格局没有定局之前,Meta几乎没有主动削减硬件投资的动力。 这五家的共同逻辑其实是同一个核心:现在削减AI硬件资本开支,不只是放弃未来增长,更是把市场份额拱手让给竞争对手。在AI平台竞争还没分出胜负之前,谁先踩刹车,谁就可能永远失去领先优势,所以这场军备竞赛只能继续,谁先停,谁未来就落伍。 这周还有三个AI相关正面消息 一是Meta传出打算把算力租给Anthropic,涉及金额可能高达100亿美元。 二是特朗普在社交媒体上公开肯定台积电在亚利桑那追加投资(总额或达2650亿美元)并承接其大幅上调的资本支出,这条消息缓和了地缘政治引发的科技股恐慌。 三是SpaceX虽然因为技术原因(V3发射被自动终止)导致股价一度破发,但据报道其Starlink正在和美国国防部谈判一份数年期、每年数十亿美元的AI数据中心算力合同。
顯示更多
0
139
124
11
轉發到社區
同一批基准里,本地跑的 DeepSeek V4 Flash 加上 J-Space 控制层之后,在大多数任务上压过了不加控制层的 V4 Pro。 《DeepSeek V4 × J-Space 能力释放报告》 DeepSeek V4 × J-Space:Benchmark 与工程观察记录 © 2026 Tiger3807861189,本记录采用 CC BY-ND 4.0(署名-禁止演绎)许可。 页面范围:本记录整理外部项目已经公开的工程观察、J-Space 使用的操作性术语、项目级 Benchmark 分数及其适用边界。它不是研究论文,非学术性质,不提供模型内部机制证明、形式化判定方法、消融设计或因果贡献分解。 J-Space Cognition Suite V3.6 是一套在推理阶段运行的模型无关控制系统,不修改模型权重。项目地址: 一、外部工程观察 1.1 Anchored Standard:首轮接口锚定 dsh-anchored-standard( DeepSeek Harness 的首轮接口条件。其基础方案在第一次模型请求中恢复 Minimal 的真实双工具 Schema,抑制自动注入内容;会话产生持久事件后,再开放一个较小的常驻工具目录,并按需解锁其他工具。 该项目的公开实验表明,首轮工具 Schema、输出预算和自动注入内容都可能改变首条推理轨迹。它也明确区分了"轨迹被锚定"和"任务能力已经稳定提升":当前仓库中的通用组合与早期高分运行并不完全相同,小样本独立复现尚不足以确定稳定的能力增益幅度。因此,本记录只引用其接口敏感性与路径保持观察,不把单项分数推广为普遍结论。 1.2 Routing Suite:任务感知的入口选择 dsh-routing-suite( 与工具面装配,把新会话送入不同的行为带。其公开材料报告了稳定区域和不稳定过渡区域,并据此避免把连续数值旋钮误当成可连续调节的推理深度。 该项目后来对早期"官方刻意设计双吸引子""自路由绝对不可能"等强归因作出了公开勘误( mixed 表示不稳定的过渡或竞争区域,不等于一种兼具短、长思维优点的可用中间态。 二、思维链二极管 2.1 操作性定义 本记录所称思维链二极管(chain-of-thought diode),是一个面向黑盒行为的工程术语:在同一个会话中,连续思维链会稳定落入以下两种形态之一: • 短思维直觉:较快形成判断并进入行动,推理块较短; • 长思维推理:先展开较长的分析、重估与规划,再决定是否行动。 两种形态在同一会话中不能稳定、按任务阶段自然地共同出现;首轮形成路径承诺后,后续思维链通常延续同一侧。外部实验中偶尔出现的词汇混合或不稳定过渡,不构成能够同时利用两侧优势的中间态。 这一术语描述的是会话级轨迹,而不是某一句话或某一个词。We need、Let me 等表达最多只能作为外部探针,不能单独证明模型能力、推理质量或内部状态。 2.2 形成原因:极简接口过拟合假说 J-Space 采用的工程诊断是:DeepSeek 的 Agent 后训练行为可能与 DSH 极简模式的接口分布形成了过强耦合。极简 persona、首轮工具 Schema、自动注入边界和输出条件共同构成接口指纹;当实际 Harness 接近这一分布时,一类轨迹更容易被唤起,接口发生变化时则可能落入另一类轨迹。 这里的"过拟合"是对黑盒条件敏感性的工程概括,不表示已经获得 DeepSeek 的训练数据、隐藏状态或官方内部解释。现有公开证据支持"接口条件与轨迹变化相关",但不足以从外部还原完整训练机制。 2.3 两侧的结构性弊端 • 短思维直觉:过早接受第一个流畅解释;复杂约束整合不足;跳过必要中间桥接;工具证据利用不足;局部测试成功后过早宣布完成。 • 长思维推理:分析惯性和行动延迟;反复推翻或重建已有判断;工具调用过晚;Token 与时间消耗增加;长程状态漂移;信息已经充分仍难以收束。 因此,二极管带来的主要工程问题不是某一侧必然更差,而是会话无法随任务阶段稳定调整推理形态:需要桥接时可能过快,需要行动时又可能持续推演。 三、三套方案的浅层关系 • Anchored Standard:作用于首次模型请求的接口条件。恢复已知的 Minimal 接口指纹,尽量让会话从入口进入并保持一条稳定轨迹。 • Routing Suite:作用于新会话开始前的任务分类与模式选择。根据任务选择较适合的稳定行为带,并回避不稳定过渡区域。 • J-Space:作用于会话进入轨迹后的完整任务生命周期。不宣称消除二极管,而是通过状态、行动、验证与恢复机制缓解会话落入任一侧后的结构性弊端。 三者可以被理解为入口恢复、入口选择和持续任务控制三个不同层面。这是一种便于工程使用的关系整理,不表示三套方案已经在统一 Harness 下完成组合实验,也不构成效果排名。 3.1 J-Space 对两侧弊端的浅层处理 当会话偏向短思维直觉时,J-Space 使用 bridge-before-conclusion、共享约束广播、Empirics、verifier 与 coverage,要求快速判断在交付前补足必要桥接、证据和验证范围。 当会话偏向长思维推理时,J-Space 使用功能性第一人称、明确的 Next、有限候选、差分测试与 checkpoint,把已经形成的判断绑定到行动、取证或收束,减少无新增约束的反复推演。 对于两种形态,Goal / Core / Verified / Open / Next 账本、工具接缝刷新与恢复机制负责维持跨文件、跨工具和长时间任务状态。这些机制调节外部任务过程,并不等同于让模型在同一会话中自由切换两种底层思维链。 四、Benchmark 记录 4.1 评测上下文 J-Space 在 DeepSeek 上的项目评测参照官方 Harness 极简模式。J-Space 通过工作空间路由、状态连续性、验证与恢复参与推理时流程。 结果形成于项目现有的评测环境。硬件条件、进程隔离、工具可用性与信息访问边界共同构成评测上下文;可访问资料及执行轨迹也可能影响观测结果。 以下汇总上述条件下的项目级 Benchmark 记录。其他模型的数据保留各厂商公开评测时的原有上下文,不同环境与 Harness 配置下出现分数变化属于正常现象。各 Benchmark 使用自身原生分数,数值越高越好;"—" 表示没有报告结果。 4.2 分数记录 顺序固定为:V4-Flash-0731 裸跑、V4-Flash-0731 + J-Space、V4-Pro-0813 裸跑、V4-Pro-0813 + J-Space、GLM-5.3、Kimi-K3、Opus-4.8、Fable 5(带 fallback)。 • HLE(无工具):37.8、45.5、42.7、48.0、未报告、43.5、49.8、53.3(全场最高) • HLE(有工具):51.5、60.6、60.0、67.7(全场最高)、62.5、56.0、57.9、63.0 • Terminal Bench 2.1:82.7、87.1、87.9、90.1(全场最高)、88.2、88.3、85.0、88.0 • NL2Repo:54.2、70.2、61.5、73.4(全场最高)、58.0、58.0、69.7、未报告 • CyberGym:76.7、81.7、83.3、86.8(全场最高)、84.5、80.0、78.3、83.1 • DeepSWE:54.4、67.4、62.7、72.0(全场最高)、66.9、67.5、58.0、70.0 • Toolathlon-Verified:70.3、77.7、74.1、79.5(全场最高)、73.0、76.5、76.2、77.9 • Agents' Last Exam:25.2、30.1、25.7、30.3(全场最高)、28.5、27.6、25.7、23.8 • AutomationBench(Public):25.1、31.7、31.8、38.2、48.2(全场最高)、30.8、27.2、29.1 4.3 Benchmark 与二极管弊端的定性对应 • HLE(无工具):短侧可能过早下结论,长侧可能在知识边界之外无效延伸;J-Space 对应必要桥接、置信控制与独立复核。 • HLE(有工具)、CyberGym:短侧可能少用或少整合证据,长侧可能迟迟不进入工具取证;对应 Empirics、工具接缝与验证覆盖。 • Terminal Bench:短侧可能快速执行但遗漏核验,长侧可能分析过度、行动延迟;对应明确的 Next、诊断重试与 checkpoint。 • NL2Repo、DeepSWE:短侧可能丢失跨文件约束,长侧可能反复重建计划;对应共享广播、Loop 账本与持续验证。 • Toolathlon-Verified:短侧可能跳过编排检查,长侧可能困在工具选择和重新规划;对应共享状态、接缝审计与 coverage。 • Agents' Last Exam、AutomationBench:异构任务或长间隔会放大固定路径与任务阶段的错配;对应选择性 pass、持久状态与恢复。 上述对应关系是工程解释,不是从分数反推出内部状态的证明。当前 Benchmark 记录没有逐次标注会话所处的二极管状态,因此不能据此计算二极管对分数的贡献比例,也不能把全部分数变化归因于单一机制。 4.4 数据来源 • DeepSeek V4-Flash-0731 模型卡: • 智谱 AI( GLM-5.3 发布评测记录 • Kimi-K3 模型卡: • Claude Fable 5 与 Claude Mythos 5 System Card: • J-Space Cognition Suite V3.6 README: 五、适用边界 • 思维链二极管和极简接口过拟合属于黑盒工程诊断,不是 DeepSeek 官方披露的模型结构或训练事故。 • 词汇、首行风格和思维链长度只能作为轨迹探针,不能替代任务完成、工具行动、验证覆盖和得分。 • Anchored Standard、Routing Suite 与 J-Space 的关系是作用层面的整理,尚未经过统一组合实验验证。 • 当前分数是项目记录,不足以建立跨模型普遍性,也不支持精确的因果贡献分解。 • J-Space 不创造基础模型缺少的知识,也不保证对所有任务、模型或 Harness 产生正向变化。 引用:工程使用请引用 J-Space Cognition Suite V3.6( 原文: #DeepSeek# #J-Space# #本地AI#
顯示更多
近一个交易日美股大事扎堆 完整复盘如下: 1/ 据知情人士透露,如果接下来的通胀数据偏热,市场开始计入更高的借贷成本,美联储理事凯文·沃什将对9月加息持开放态度。这份报道再次点燃市场对美联储转鹰的担忧。一旦通胀压力重新加速,加息可能重回牌桌 2/ 据报道,迈克尔·伯里以211.77美元做空Nebius $NBIS,以144.63美元做空甲骨文 $ORCL。这是他首次建立 $NBIS 仓位 伯里的交易逻辑直指AI基础设施的高杠杆和表外负债: 鱼儿已经被表外负债喂得太饱。兜底承诺、尚未起租的租约、采购承诺。它们已经肥得惊人,体型巨大,极易射杀。它们也大到快要耗尽氧气。用不了多久,每一条都会因为缺氧而翻肚皮 3/ Applied Optoelectronics $AAOI 公布2026年第二季度业绩。营收1.919亿美元,略高于市场预期的1.90亿美元,同比增长86%。调整后每股收益0.06美元,市场预期0.01美元。非GAAP净利润550万美元,市场预期170万美元 公司预计第三季度营收为2.55亿至2.90亿美元,市场预期2.78亿美元;每股收益为0.11至0.26美元;非GAAP毛利率为29%至30.5% 管理层表示,公司连续第五个季度创下营收纪录,并重新实现非GAAP盈利。预计到2027年年中,需求仍将持续超过产能 4/ 美国6月JOLTS职位空缺减少17.8万个,降至735.9万个,低于市场预期的745.4万个,但仍高于2020年1月的712.4万个 职位空缺与失业人数之比小幅升至1.04,创2025年1月以来新高。招聘人数增加9.6万至534.8万,招聘率升至3.4%,医疗保健和建筑行业领涨 主动离职人数增加7.9万至323.2万,创近一年新高,显示劳动者信心回升。裁员人数基本持平于176.6万,裁员率维持在1.1% 5/ 今日期权成交量最高的10个标的分别为:$NVDA 290万张、$SPCX 170万张、$AAPL 130万张、$TSLA 120万张、$MU 82万张、$MSFT 69万张、$INTC 58.6万张、$HTZ 58.4万张、$PLTR 47.7万张、$ET 47.3万张 6/ 2026年第二季度,美国AI相关类别的私人商业投资同比增加3000亿美元,增长25%,折合年化规模达到创纪录的1.5万亿美元 增长主要由计算机及外围设备支出推动,其后依次为通信设备、软件和数据中心。过去两年,AI相关商业投资累计增加5000亿美元,增幅达到50%,其中计算机及外围设备投资增长超过一倍 据估算,直接AI投资已经贡献美国近期GDP增长的25%至33% 7/ 据报道,谷歌 $GOOGL 计划通过美国投资级债券发行融资。彭博称,公司已经开始推介最多10个期限档的债券,期限覆盖2年至40年。最长久期债券的初始定价指引约为同期美国国债收益率加155个基点 8/ Tether在2026年第二季度买入14吨黄金,总持仓升至创纪录的146吨,当前价值约188亿美元 公司此前在2025年第三季度至2026年第一季度期间累计买入53吨黄金。与2025年第一季度相比,其黄金持仓增长超过一倍,持仓价值接近原来的三倍 Tether目前已成为除各国央行和政府以外,全球已知最大的私人黄金持有者。2026年上半年,黄金购买量超过Tether的央行仅有4家:波兰、乌兹别克斯坦、中国和哈萨克斯坦 9/ 亚马逊 $AMZN 创始人杰夫·贝索斯申报出售1,209,649股亚马逊股票,成交价格为每股286.41美元,税前套现约3.465亿美元 10/ 美国6月数据中心建设支出同比暴增46%,折合年化规模达到创纪录的680亿美元,创12个月以来最大同比增幅 自2024年1月以来,该项支出累计增长158%,目前已超过2022年水平的三倍。同期,办公楼建设支出较2022年减少超过250亿美元,降至约430亿美元,创2016年以来最低水平 数据中心建设支出目前比办公楼高出250亿美元,差距创历史纪录。2022年时,办公楼建设支出还比数据中心高出570亿美元。资本开支方向已经彻底翻转 11/ 存储芯片ETF $DRAM 的交易热度已经冲到极端水平,单日成交额最高接近80亿美元,超过ARKK在2020至2021年狂热行情中创下的50亿美元峰值 $DRAM 累计资金流入已经升至约270亿美元,超过ARKK约180亿美元的历史峰值,而 $DRAM 直到2026年4月才成立 两者无法完全类比。$DRAM持有的是盈利能力较强的存储芯片公司,ARKK当年的核心资产多为亏损型成长股,当前利率环境也与2020年大不相同 但ARKK的资金流入最终见顶,并连续多年逆转。$DRAM目前已经较6月高点下跌近40% 12/ 据路透社报道,阿里巴巴 $BABA 计划对下一代开源Qwen模型寻求收入分成,月之暗面则要求合作伙伴为Kimi K3模型提供最高30%的收入分成 随着开源模型采用规模扩大,中国头部AI实验室正在加速商业化变现 华尔街,地球上最精彩的秀场
顯示更多
0
17
22
0
轉發到社區
⚡️ Rick @rickawsb 对话 168X:模型越高效,算力反而越缺?从 Kimi、HBM 到具身智能的下一轮 Scaling 随着 Kimi K3、GLM、Qwen 等中国开源模型快速追赶,市场再次开始担心:模型训练越来越高效,AI CapEx、GPU 和存储需求是不是快见顶了? Rick 的判断恰恰相反:模型越强、越便宜、越容易使用,推理调用、Agentic Coding 和自主部署的需求反而可能加速爆发,效率提升降低的是单位成本,却可能带来更大的总算力与 Memory 消耗! 这次我们会聊: Kimi K3 快速触及算力上限,证明的是短期流量挤兑,还是推理需求外溢? MLA、KDA 大幅压缩 KV Cache,为什么 HBM 和高端存储仍然值得看多? Scaling Law 是否正在从训练,扩散到推理、Agent、科研与具身智能? 家庭机器人和长期记忆,会不会开启下一轮更庞大的算力与存储周期? 企业买了大量 AI 工具后,为什么有的公司扩张,有的却继续停滞? 🎙 嘉宾:@rickawsb 🎤 主持:@168MrZ 🗓 时间:7/23 12:00 东八区 X Space 链接:
顯示更多
据Reuters报道,月之暗面的 Kimi K3 授权条款要求,如果用户基于 Kimi K3 做商业产品并达到一定收入规模,月之暗面可能最高要求 30% 的收入分成。另外,阿里也计划对下一代通义千问大模型的大型商业用户,采取类似的收入分成模式。 捋了一下,最近不管是字节关于蒸馏不蒸馏的看法,还是kimi收租不收租的言论,甚至可以结合美股几个巨头公司的财报和走向都可以看书,大模型竞争已经进入下一阶段了。 比谁的模型更强已经过去式,现在开始比较谁更能把模型变成基础设施,类似于微软也不是光靠卖Windows赚钱最多的,主要还是靠Office这些企业生态,AWS也不是靠服务器赚钱最多的,主要还是靠开发者依赖。 AI的未来,如果把模型看作操作系统,应用看成软件生态,那其实很多东西都值得重新思考。 kimi、千问如果像Unity一样抽成,那是大大的好事啊!以前中国 AI 最主要的优势就是模型便宜。最有代表性的就是 DeepSeek、千问这些低成本、高性能的开放权重模型,Kimi 也算是低价格,Kimi K3 API的定价大概只有Faber模型的1/3。 中国公司开始放弃纯开源路线之后,才能接着讨论生态起来以后谁赚钱的问题。如果一直是完全免费,那毋庸置疑就是开发者、云厂商和芯片厂赚钱,模型公司亏钱。可以说,中国模型公司已经开始寻找自己的“英伟达时刻”了。 提前布局生态,老黄的心法很值得学习。
顯示更多
0
43
36
3
轉發到社區
GM GN 距离2027年 仅剩164天 早上5点多就醒了,刷抖音学了一小时王虹搞定的挂谷猜想到底是什么。 我自己描述的话,就是拿一根没有粗细的木棍,放到桌面上挪动、转动这根木棍,让木棍朝向平面上所有方向,然后计算木棍扫过区域的占地面积,数学结论能做到无限接近于0,这是2D。王虹解决的是3D,文章结尾有个视频讲解。 顺便一起看看今天的Ai新闻 polo的AI日报 7月25日,13条精选 ⬇️ 1. Midjourney V8.2正式发布,重点提升美学质量、图像创意与个性化理解,低质量图像出现频率将显著降低。 💡Midjourney终于更新了 2. Anthropic发布Claude Opus 5,智能水平接近Fable 5但价格减半,Frontier-Bench多项测试表现亮眼。 💡Opus 5的性价比直接把Anthropic自家产品线打乱了 3. 蚂蚁百灵发布Ling-3.0-flash原生混合推理模型,124B总参数但仅激活5.1B,在传统推理、指令遵循与长文本上对标甚至超越上代旗舰。 💡蚂蚁在推理效率上的追求已经卷到了极致 4. Black Forest Labs发布FLUX 3多模态基础模型,联合训练图像、视频和音频,单次生成20秒视频带原生音频,视频预测占训练算力95%以上,与机器人公司mimic合作推进具身智能。 💡95%算力押注视频 5. Runway Agent推出自然语言工作流功能,用自然语言构建、运行或编辑基于节点的工作流。 6. 百度搭子更新支持电脑手机接力、桌面端内嵌浏览器上线,复杂任务可跨端连续执行。 💡电脑上没干完的活手机接着干 7. OpenRouter上线Classifiers测试版,支持自定义分类法自动标记每次AI请求的任务类型、部门归属、合规状态等。 💡AI调用量大了之后连账都算不清 8. 英伟达、微软和Meta联合警告应避免对开放权重模型过度监管,否则将削弱美国AI竞争力。 💡别把开源模型管死了,不然美国AI要被自己人卡脖子 9. Kimi K3在网络安全漏洞利用测试中大幅落后美国前沿模型,ExploitBench得分32.2%对比76.3%,知识蒸馏或为原因。 💡编程跑分第一但安全测试垫底,K3的偏科比想象中严重 10. 佛州男子因相信ChatGPT拒绝就医险丧命,起诉OpenAI及Sam Altman。ChatGPT-4o多次建议无需就医,致其双肺血栓引发大面积肺栓塞。 💡AI的医疗建议第一次闹出人命诉讼了,ChatGPT这个无需就医这个傻逼建议太行了 11. Anthropic联合Andon Labs发布Drone-Bench,评估AI模型自主操控无人机在室内定位追踪指定人员的能力。 💡先进的战争生产力 12. Anthropic为Claude Opus 5和Fable 5删除了Claude Code超过80%的系统提示词,新一代模型的上下文工程规则正在被重写。 💡模型越强需要的指令越少 13. Claude-thermos通过本地反向代理监控Claude Code会话,在主智能体空闲超5分钟时自动发送预热请求刷新缓存,避免重新编码费用。 💡智能体等人也能烧钱? #AI# #人工智能#
顯示更多
0
23
27
0
轉發到社區
Kimi K3 确实非常惊艳,让我想起了当年 DeepSeek R1 刚出来时的震撼。早上看到朋友圈那么多人转发 K3 的发布 Blog,我心里有一种莫名的情绪。 以前我对国产模型和海外模型没有太强的立场。谁的能力强,我就使用谁。但过去一段时间,随着 Anthropic 各种离奇封号和使用限制的出现,我突然意识到,国内能够拥有真正达到 SOTA 水平的模型,非常重要。 要不然像 Fable 5 这样的模型被出口管制了,我们根本没辙。我也不想说什么 K3 超越 Opus 4.8、GPT 5.6 之类的狂言,没意义,大家用一两次就非常清楚了。我的感觉是,至少 K3 在我的几个任务场景里,表现一点不输几个闭源模型。难分伯仲。
顯示更多
0
34
73
1
轉發到社區